数字孪生为智慧城市、汽车、国防和制造业创新提档增速

数字孪生是一种映射现实世界的数字副本。现在，这项技术可能成为汽车、电动汽车、智慧城市、国防和制造等行业未来发展的变革力量。近日，Auto Futures在一份特别报告中，与该领域的领导者进行了对话，以定义数字孪生以及了解数字孪生是如何帮助加速未来创新的。

数字孪生有哪些好处？

数字孪生联盟(Digital Twin Consortium，DTC)是一个行业、政府和学术性的组织，致力于推动数字孪生技术相关的定义、架构、安全性和互操作性。该联盟有超过250个成员和针对不同领域的各种工作组。

“我们根据兴趣促进和创建工作组，而且这些小组是高度协作的，”联盟首席技术官Dan Isaacs这样表示。

DTC联盟将数字孪生定义为“现实世界实体和流程的虚拟表示，以指定的频率和保真度与其同步”。此外，“数字孪生使用实时数据和历史数据来表示过去和现在、模拟预测未来”。

“我们希望持续不断地更新数据，确保虚拟化内容的真实性都是最新的。数字孪生必须准确地代表现实世界实体所拥有的一切，采用实时数据和历史数据代表过去和现在，并以最高的可信性进行模拟。因为具备了整体视角和所需数据，你就可以对未来进行预测了。”

DTC联盟指导委员会主席Bill Ruh说：“数字孪生就像是给你了一个水晶球，根据过去发生的事情和现在正在发生的事情来预测和模拟未来。”

DTC联盟成员就有很多采用数字孪生的例子，涉及汽车制造、电池管理等领域。Issacs举了一个机器人通过数字孪生修复制造过程中发现异常情况的例子。

“你需要确保你是有精确度的，确切地知道机械臂应该去哪里修复，以及如何去修复。所以你要有一个完整的模拟。因为机械臂有了一个数字孪生来模拟这个过程，确切地知道在哪里放置钻头或铆钉、激光焊接或其他任何东西，这样你就可以检测到异常的情况。”

Isaacs说，工厂数据可以直接反馈到数字孪生的模拟中，以确定一场异常情况是否来自于生产系统。

数字孪生有助于了解更好地使用电池

“你基本上可以获得有关于电池的所有特性，物理特性和化学特性。你也可以得到电池操作返回来的真实数据。现在你可以得到真实的数据说，“它与我的模型匹配吗？”“是否给了我所需的准确性？”“我是否正确预测了我的模拟输出？”我觉得它无法快速充电，我需要调整我的模型。

“所以现在你可以进行优化了，你可以利用机器学习或者神经网络来确定如何在现实世界中优化电池管理的方法。”

Isaacs说，数字孪生的其他用途包括模拟ADAS功能的传感器、基于驾驶员数字孪生进行保险定价、发现无线更新的需求等等。

数组孪生用于UGV、无人机和军事用途

DTC联盟成员Duality Robotics与很多客户展开合作，他们的客户有很多是致力于实现仓库自动化的机器人、用于空中检查的自主无人机、国防机器人、AI工作流程和制造检查。为此，Duality Robotics打造了逼真的Falcon数字孪生模拟器。

最近美国国防高级研究计划局（DARPA）的RACER-Sim计划选中了Duality来提供真实世界的虚拟环境。该项目有望提高自动无人地面车辆(UGV)的安全性、可靠性、适应性、以及在越野环境中的机动能力。

Duality Robotics创始人、CPO Michael Taylor表示：“我们与制造机器人的客户进行沟通，向他们展示了另一种新的方法，他们可以在大多数开发流程中采用模拟的方法，最终这有助于快加速度和打造更好的产品。”

“我们认为，需要一个开放的生态系统，为所有工具之间的互操作性提供标准。当我们考虑将数字孪生运用于不同行业领域的时候，我们需要建立一种统一的方法，这样才能取得成功。”

数字孪生用于智能交通控制

Nota是一个硬件感知型AI优化平台，该公司联合创始人、首席技术官Tae-Ho Kim表示，Nota的主要业务是创建智能交通系统。Kim分享了有关于Nota为什么采用Nvidia数字孪生工具模拟智能交通的见解。

Nota有三款AI产品：AI Traffic Cameras、AI Intelligent Traffic Control、AI Crossing。

AI Traffic Cameras是使用摄像头收集交通数据用于车辆检测、跟踪和分析。

AI Intelligent Traffic Control则是将实时交通数据从AI交通摄像头传输到服务器，强化学习代理决定信号时序，然后通过最佳信号策略来改变交通控制。

AI Crossing可对潜在事故进行实时预测，通过提醒行人和司机来降低事故发生率。

Kim说：“尽管AI带来了显著的成就，但我们生活中的AI用例却仍然很少。把AI带入我们的现实生活，一大挑战来自于数据收集。现实世界中的数据是非常难以获得的，因此生成有关罕见事件、或者不同天气或者照明条件的数据集就成了一大问题。”

车祸、逆向行驶、乱穿马路都是很难找到的案例类型，此外，数据隐私也是数据收集的一个限制。

模拟工具或者数字孪生工具可以模拟那些难以收集的数据。互操作性是模拟工具的一大痛点。模拟工具种类繁多，每种工具都有不同的作用和用途。Kim说，如果没有建立生态系统，就会使用不同的工具，而且结果通常是无法互操作的。

NVIDIA Omniverse是一种开放的平台，能够以3D模拟的方式实现实时真实的模拟，而且兼容产品条件也为数字孪生模拟提供了很多解决方案。

NVIDIA Omniverse Connect是一个生态系统，可以连接多个来源的各种地图、环境、传感器、车辆和交通模型模拟器。

Omniverse的另一个好处是其中的Drive Sim和Duplicator专门用于自动驾驶和运输。Omniverse Replicator主要是为AI任务提供Drive Sim。Drive Sim则可以生成地面实况、天气、激光雷达、雷达、道路状况、被遮挡的行人和随机域。

Omniverse Create可以生成有关各种照明、车车事故、十字路口事故、人车事故的视频。

Kim说，Nota使用NVIDIA Omniverse开发智能交通系统主要出于三个原因：首先，该系统可以应对各种场景和环境；其次，与现有模拟工具是相互兼容的；最后，可以轻松收集数据，缩短开发时间，降低成本。

他说：“我们借助Omniverse、Drive Sim、Connect和Replicator，可以创建用于数据收集的数据集、连接模拟工具和增强数据集。”

数字孪生的未来潜力

数字孪生在汽车和移动领域还有更多现有的、未来的用途。

西门子在其官网上公布称，在过去两年中ElectraMeccanica的工程师使用数字孪生技术设计、模拟和制造车辆。

Strategy Analytics汽车业务部首席分析师Kevin Mak分享了在汽车行业的用例以及数字孪生用于联网车辆方面的预测。

他提到了联网车辆提供的新型汽车服务，包括某用户的汽车采用了数字双胞胎技术，他可以在车辆发生故障之前，对比车辆的数字孪生并对车辆进行维修。或者通过打造行驶道路的数字孪生，通过数字孪生对比，让车辆传感器可以检测到坑洼，以便地方政府可以快速修复道路。

或者，通过道路数字孪生的对比，车辆传感器检测到干旱晴天下的危险状况，并且将其转发给附近的其他驾驶员。

Mak说，数字孪生相比安装在轮胎中的很多传感器相比，可能是一种成本效益更高的轮胎胎面检测方法。

数字孪生技术的未来发展前景十分广阔，但这个概念还是一个比较新的概念，尚未真正开始被采用，对工程师、决策者和学术界来说是一个他们感兴趣的细分领域。

而且，数字孪生需要存储和分析的数据量，对于管理和通信来说可能是一大问题。数字孪生概念需要很多厂商参与其中，并展开合作。车辆传感器可能会退化，需要重新校准，从而影响使用数字孪生进行数据分析的结果。但Mak建议，可以借助软件专业知识和边缘计算克服这些挑战。

他说：“我们预测，新车设计的过程中将会越来越多地考虑采用数字孪生技术，将会有越来越多的服务从中受益。”